本实用新型公开了一种污染土电导率测量及电渗过程电学参数变化实时监测装置，包括计算机、数据采集系统、有机玻璃圆筒、程控电源箱、TDR100测试仪、温度检测模块、电压检测模块、电流检测模块、LAQUA电导率测试仪、电子称和过滤收集瓶；有机玻璃圆筒的中轴线上设置金属管作为阴极，内壁缠绕EKG土工布作为阳极；金属管侧壁开有小孔，外层包裹土工布；电渗排水通过土工布进入金属管然后通过有机玻璃圆筒底部的排水孔经排水导管进入过滤收集瓶；三个温度传感器分别插入阴极土体、阳极土体和阴极阳极之间的土体中；本实用新型装置由计算机来统一管理数据采集系统下的节点装置的工作状态，电导率测量更加准确有效。

该装置可以监控氧气钢瓶充装过程中出现的异常现象，如爆炸迹象，做到提早报警，实现充装过程安全。

本发明公开了一种基于攻防博弈的过程控制系统的安全策略动态获取方法，包括离线过程和在线过程；首先分析过程控制系统，建立贝叶斯网；然后建立防御策略模型；再筛选潜在攻击策略集和潜在防御策略集；将攻防收益矩阵量化；最后根据攻防收益矩阵建立方程求解获取最优安全策略；该方法综合考虑攻防策略引发的各种后果，并进行统一尺度量化；并攻防博弈论的思想引入到最优的安全策略的求解过程中，解决了传统动态策略决策过度响应、动态决策响应方法

本发明公开了一种用于多自由度倒装键合过程的芯片控制方法，其主要控制过程包括：获取芯片的贴装位置信息；键合头拾取芯片，获取芯片 Z 旋转轴和 X/Y 直线轴的角度及位置粗调偏差值，然后在执行粗调的同时，实现 X/Y 直线轴的闭环跟随控制；获取芯片 X/Y 旋转轴的当前实际角度值，并在逐次选择 X/Y 旋转轴执行角度闭环控制的同时，实现另外两直线轴的位置闭环跟随控制；获取芯片 Z 旋转轴和X/Y 直线轴的角度及位置精调偏差值，然后在执行精调的同时，实现X/Y 直线轴的闭环跟随控制。通过本发明，可使得芯片

本发明公开了一种数据去重过程中的并行分块方法，其特征在 于，包括：(1)将数据流中的文件分成多个定长的数据段，所述数据段 的长度大于数据分块的最大块长；(2)利用计算机多核处理器并行对每 个数据段进行分块，每个数据段都通过分块获得多个数据块；(3)将最 后一个数据段除外的每个数据段的最后一个数据块与后一个数据段的 第一个数据块进行边界衔接处理。本发明提出的并行分块方法，采用 一种新颖的边界衔接方法解决了传统分块方法的

研究催化剂在实际催化反应过程中的状态对于理解催化剂的催化机理具有非常重要的意义。实际催化过程中，气体分子会通过影响表面能进而对催化剂的表面结构进行调制。但受限于研究方法，在真实催化环境中，气体分子如何重构催化剂表面仍然不清楚。此外，除了催化剂表面结构的变化，在催化反应过程中，催化剂颗粒整体的结构乃至物相也会发生变化。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

项目成果/简介:本发明公开了一种监测植物花芽分化或开花过程中温度变化的活体成像方法。本发明提供的方法，包括如下步骤：1)用红外线非接触式热像仪采集活体待测植物的花芽或花部器官图像；2)根据步骤1)得到的采集图像，得到所述活体待测植物的花芽或花部器官的不同位点的温度，从而实现植物花芽分化或者开花的生热效应的监测。本发明的实验证明，本发明的方法具有以下优点：1)操作简单，快速：省略了植物观测中取样、分离等前

成果描述：化工产业实现绿色与可持续发展已显著受制于行业健康、安全、环境（HSE）状况，特别是化工安全事故不仅造成重大经济损失，而且正成为掣肘整个行业健康发展的关键性问题。本项目为满足化工安全生产要求，从物料性质、设备性能、过程控制、生产组织、业务模式、经营决策等方面出发，在DCS、MES、ERP平台上，建立基于过程控制的危险源辨识及可操作性评价体系。 本项目的核心技术及优势包括： （1）以HSE知识管理为核心，集成过程控制系统、MES系统和ERP系统，实现生产过程的在线运行监控、危险源动态辨识、可操作性实时分析以及消缺措施的经济性评价。 （2）运用大数据处理技术和人工智能技术，建立装置运行实时数据、工艺数据、生产调度及经营目标的关联模型，将安全风险评估与过程技术经济评估相结合，实现化学安全管理从原来的设计集成静态模式转换为知识集成的动态预制模式，减少事故损失，保证企业效益最大化。 （3）本项目还将致力于企业私有云计算平台到行业公有云计算平台搭建，实现信息资源共享提升资源优化的配制效率。 并将利用海量数据挖掘技术，将HSE分析模型与云计算数据库内所存储的案例及规则进行关联，从而将获得数据转换为知识进行存储、表达与发布，进而让信息利度得到大幅度提升，建立基于云计算技术的化工安全风险评估与实时在线监控。 本项目在国内处于领先地位。市场前景分析：《基于过程控制的危险源辨识及可操作性评价系统》主要面向化工、石化、钢铁、建材等过程行业企业，提高企业应对健康、安全、环境等高风险挑战的能力，实现绿色与可持续发展。据资料统计，成熟的工业化国家每年在健康、安全、环境（HSE）领域的投入占营业收入比例高达3%左右，而国内相关行业只有0.1%，差距巨大，是我国重大环境和安全事故频发的重要原因之一，正成为掣肘行业健康发展的关键性因素。随着我国对环境保护、可持续的日益重视，HSE领域的市场规模与投入将成快速增长态势，对比发达工业化国家的经验，我国HSE领域将形成1000亿的市场规模， 据赛迪顾问《2012年HSE市场分析》报告，2012年中国HSE软件市场总额达到96亿元，比2011年增长52％，因此前景广阔。 但我国HSE危险源辨识及可操作性评价市场，主要是国外产品垄断， 且价格昂贵，大部分过程行业企业难以承受。而国内相关产品多为单一离线的纯指标评价，不支持在线的风险评估，更不能形成基于现场控制的危险源识别与监控，而本项目产品，立足于过程控制，建立基于云计算平台的HSE危险源辨识及可操作性评价，将具有巨大的竞争优势及市场前景。与同类成果相比的优势分析：系统基于现代过程行业的技术发展方向，达成企业健康安全绿色的制造过程与经济效益的平衡，实现柔性的生产组织形式以及平滑且动态优化的过程技术。就产品而言，技术创新性包括云计算平台条件下集成 HSE 知识管理技术、在线监测技术、APC控制技术以及企业决策和资源管理技术，建立起符合行业特点的检测、控制以及决策支持平台，从而实现高安全性环保化和高效益的生产过程。国际先进 、国内领先。

本发明涉及一种像元解混逆过程：规格化多端元分解的高光谱重构方法,其特征在于：包括多光谱图像的反射率图像进行规格化多端元分解获得高光谱数据,多光谱影像中提取的地物光谱可分解为光谱形状和像元值两本分的线性组合,规格化多端元分解的高光谱重构方法就是根据光谱库中纯端元进行不同性质的混合来获取混合场景中最优的端元组分,从而避免端元过多带来的噪声放大和端元过少造成的精度下降现象,并在精确解混的基础上考虑端元的时空变化,在减少计算量同时准确重构高光谱数据。